首页 分享 【机器学习】【数据分析】KNN算法中,精确度(precision),准确率(accuracy)和召回率(recall)的理解

【机器学习】【数据分析】KNN算法中,精确度(precision),准确率(accuracy)和召回率(recall)的理解

来源:花匠小妙招 时间:2024-12-03 23:41

最新推荐文章于 2024-09-03 11:58:25 发布

高若翔 于 2022-09-04 01:03:34 发布

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。

评价一个KNN模型的指标中,这三个有点不好理解,现在理一理。precision和accuracy这两个其实是近义词,只好通过具体的算法来区分。

最近在看《康熙王朝》,姑且就拿皇上对忠臣奸臣的判断做类比。

TP(True Positive)(真忠臣)实为忠臣,皇上也觉得他是忠臣的数量;FN(False Negative)(假奸臣)实际为忠臣,皇上确认为是奸臣的数量(这里False和Negative相当于负负得正,假奸臣就是忠臣);FP(False Positive)(假忠臣)实际是奸臣,皇上却认他是忠臣的数量;TN(True Negative)(真奸臣)实际是奸臣,皇上也认为是奸臣的数量。可以得出(TP + FN)是全部实际的忠臣数,而(TP + FP)是所有皇上认为是忠臣的数量。

精确率 precision 精确率(precision)= TP / (TP + FP),意思是皇上心中的忠臣里,是真正忠臣的比率。准确率 accuracy 准确率(accuracy) =   (TP + TN) / (TP + FN + FP + TN) ,意思是所有大臣当中,没被冤枉的那些大臣的比率,也就是皇上心中判断正确的大臣比率。细分一下,其实是所有大臣中,皇上没冤枉的忠臣的比率加上皇上没冤枉的奸臣的比率。TP  / (TP + FN + FP + TN)   +   TN / (TP + FN + FP + TN)召回率 recall 召回率(recall) = TP / (TP + FN),意思是所有真正的忠臣里,也被皇上认为是忠臣的比率。那为什么会叫召回recall这个奇怪的名字呢,估计是被冤枉的那些忠臣会从刑场上召回吧哈哈哈哈哈。

相关知识

【机器学习】鸢尾花分类:机器学习领域经典入门项目实战
【机器学习】基于KNN算法实现鸢尾花数据集的分类
【性能评估】:如何评价手写数字识别模型的性能
【机器学习】KNN算法实现鸢尾花分类
L1练习
【机器学习】利用KNN对Iris鸢尾花数据集进行分类
基于机器学习算法的农作物病虫害智能诊断与防治研究
基于迁移学习的花卉识别系统
【机器学习】KNN算法实现手写板字迹识别
机器学习术语表——Beta

网址: 【机器学习】【数据分析】KNN算法中,精确度(precision),准确率(accuracy)和召回率(recall)的理解 https://www.huajiangbk.com/newsview854531.html

所属分类:花卉
上一篇: Python实现KNN算法(鸢尾
下一篇: 关于“春节放炮”的3个调查投票的

推荐分享